[发明专利]一种信用评估模型的训练方法、装置及设备

说明书

本说明书实施例提供一种信用评估模型的训练方法、装置及设备，可用于人工智能领域。所述方法包括获取影响客户信用的样本数据集；获取第K次训练的分类器；利用第K次训练的分类器对样本数据集中负样本进行预测，获得对应的预测值；根据负样本对应的预测值和标签值，确定分类难度值；基于分类难度值，对样本数据集中负样本进行采样；将采样结果和样本数据集中正样本合并，生成数据集；利用数据集对预设分类模型进行训练，获得第K次训练的基分类器；根据已获得的所有基分类器，确定第K+1次训练的分类器；判断是否达到预设训练次数，确定达到时，将第K+1次训练的分类器作为信用评估模型。利用本说明书实施例可以准确的获得信用评估结果。

技术领域

本申请涉及人工智能技术领域，特别涉及一种信用评估模型的训练方法、装置及设备。

背景技术

随着科技的快速发展，推进国际收支客户的挖潜和拓展工作变得越来越重要。现有技术中主要通过信用评分模型对国际收支客户进行信用评分，然后根据评分结果挖掘潜在客户，从而逐户落实营销实现拓户。

然而，目前训练信用评分模型时，主要是假设各个类别之间的样本数量分布大致相同，这样就会导致在训练过程中忽略包含着重要信息的少数类样本，从而在面临样本严重不平衡的情况时，无法准确的获得信用评估结果。

因此，业内亟需一种可以解决上述技术问题的技术方案。

发明内容

本说明书实施例提供了一种信用评估模型的训练方法、装置及设备，在面临样本严重不平衡的情况时，也可以准确的获得信用评估结果。

本说明书提供的一种信用评估模型的训练方法、装置及设备是包括以下方式实现的。

一种信用评估模型的训练方法，包括：获取影响客户信用的样本数据集；其中，样本数据集中的每条样本数据对应有标签值，所述标签值用于区分正负样本，所述样本数据集中负样本数量大于正样本数量；获取第K次训练对应的分类器，K0；利用所述第K次训练对应的分类器对所述样本数据集中的负样本进行预测，获得每条负样本对应的预测值；根据每条负样本对应的预测值和标签值，确定每条负样本的分类难度值；基于所述分类难度值，对所述样本数据集中的负样本进行采样，获得第一负样本；将所述第一负样本和所述样本数据集中的正样本合并，生成第一数据集；利用所述第一数据集对预设分类模型进行训练，获得第K次训练确定的基分类器；根据第K+1次训练前获得的所有基分类器，确定第K+1次训练对应的分类器；判断是否达到预设训练次数，确定达到时，将所述第K+1次训练对应的分类器作为信用评估模型。

一种信用评估模型的训练装置，包括：数据集获取模块，用于获取影响客户信用的样本数据集；其中，样本数据集中的每条样本数据对应有标签值，所述标签值用于区分正负样本，所述样本数据集中负样本数量大于正样本数量；分类器获取模块，用于获取第K次训练对应的分类器，K0；预测值获得模块，用于利用所述第K次训练对应的分类器对所述样本数据集中的负样本进行预测，获得每条负样本对应的预测值；分类难度值确定模块，用于根据每条负样本对应的预测值和标签值，确定每条负样本的分类难度值；采样模块，用于基于所述分类难度值，对所述样本数据集中的负样本进行采样，获得第一负样本；数据集生成模块，用于将所述第一负样本和所述样本数据集中的正样本合并，生成第一数据集；训练模块，用于利用所述第一数据集对预设分类模型进行训练，获得第K次训练确定的基分类器；分类器确定模块，用于根据第K+1次训练前获得的所有基分类器，确定第K+1次训练对应的分类器；判断模块，用于判断是否达到预设训练次数，确定达到时，将所述第K+1次训练对应的分类器作为信用评估模型。

一种信用评估模型的训练设备，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例方法的步骤。

一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。